컨텐츠 기반 추천 시스템

유저 A가 높은 평점을 주거나 큰 관심을 가진 아이템 x와 유사한 아이템 y를 추천
적절한 컨텐츠를 활용하고, 컨텐츠의 내용을 분석하는 알고리즘이 중요!

장점

• 다른 유저의 데이터가 필요하지 않다.
• 추천할 수 있는 아이템의 범위가 넓다. (unique, new, unpopular...)
• 추천하는 이유를 제시할 수 있다. (아이템의 feature)

단점

• 적절한 feature을 찾기 어렵다.
• 새로운 유저를 위한 추천이 어렵다.
• 선호하는 특성을 가진 항목을 반복 추천한다. (유저의 다양한 취향 반영 어려움)

아키텍처

어떤 컨텐츠를 활용할까?

item profile

Item을 set of features로 표현한다.

• Item Profile은 분석된 여러 특성을 나타내며 이를 정량화해서 사용한다.
  (구성된 목록 등을 바탕으로 가중치 부여를 할 수 있다.)

• Item 설명은 text features이므로 text preprocessing을 통해 features를 얻을 수 있다.

• Item간의 유사도는 코사인 유사도를 활용한다.

user profile

사용자의 기호를 따로 파악하거나, 설문조사 또는 자발적인 키워드 입력 등으로 얻은 프로필

• 특성 가중치는 사용자가 가지고 있는 아이템 특성 가중치의 평균 값을 주로 활용한다.
• user profile 학습은 분류 문제를 푸는 것과 같다.